$ loading_
将 Jupyter Server 中的 Python 函数注册为可供 MCP 客户端调用的工具
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Jupyter Server MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请把当前 Jupyter Server 中的 Python 函数 `summarize_dataframe(df)` 和 `plot_columns(df, cols)` 注册为 MCP 可调用工具，并给出工具名称与用途说明。
返回可供 MCP 客户端使用的工具注册结果，并说明每个工具对应的函数能力。
我在 Jupyter Server 里有一个 Python 函数 `clean_sales_data(file_path)`，请将它配置为 MCP 工具，方便外部客户端调用处理销售数据。
生成该函数作为 MCP 工具的配置或注册结果，使客户端可按参数调用。
说明如何让 MCP 客户端访问运行中的 Jupyter Server 里已注册的 Python 工具，并列出当前可用工具。
给出基于运行中 Jupyter Server 的工具访问说明，以及可用工具清单。
数据分析师或研究员可在运行中的 Jupyter Server 中注册 Python 函数，让支持 MCP 的客户端直接调用分析、汇总或处理逻辑。这样能复用现有 notebook 环境里的代码能力。
开发者可把 Jupyter Server 中的函数动态注册为 MCP 工具，供外部客户端按工具方式调用。适合在原型验证或实验阶段快速对接 AI 工作流。
它是一个面向 Jupyter Server 的可配置 MCP 服务器扩展。它可以把运行中的 Jupyter Server 里的 Python 函数动态注册为 MCP 客户端可访问的工具。
它运行在 Jupyter Server 中，并以服务器扩展的形式提供能力。给定信息没有更多部署细节。
根据描述，它可将 Python 函数注册为工具供 MCP 客户端访问。关于支持哪些函数形式或更具体限制，见源码仓库。
通过 MCP 连接 Jupyter 环境，帮助执行代码、分析数据并交互式探索结果。
连接 Jupyter 内核并管理笔记本，支持读取、编辑与执行代码单元。
让 AI 直接读写并执行 Jupyter Notebook
让 AI 在 Jupyter 中管理单元依赖并高效执行代码与输出结果
可批量读取、修改与处理 Jupyter 笔记本，无需启动 Jupyter 服务。
通过 MCP 直接加载、编辑、检索并保存 Jupyter 笔记本，提升代码与数据分析效率。